黄鳍金枪鱼(Thunnus albacares)是金枪鱼渔业的捕捞对象之一,由于其产量和经济食用价值都明显高于其它金枪鱼和类金枪鱼,所以世界各国对黄鳍金枪鱼的开发和利用都极其重视,我国也将其作为远洋渔业重点开发的对象。因此研究黄鳍金枪鱼的可持续、有效的开发利用,进一步掌握其资源分布丰度、生活习性和种群时间空间分布状况,是我国乃至世界目前金枪鱼渔业研究工作者的重要研究课题之一。黄鳍金枪鱼渔情预报模型的建立需要由大量科学而精确的海洋环境数据与对应的渔获数据作为建模的先决条件。本文建模所用的海洋环境数据为2016年中西太平洋马绍尔海域海表面温度(SST)、海表面高度(SSH)、初级生产力(PHL),渔获数据为在一定的地理单元里与环境数据对应的每艘船的作业时间和作业位置、每尾黄鳍金枪鱼的渔获位置及渔获渔船当天投放钓钩的数量,通过这些数据得出名义捕捞努力量(尾/千钩),其中海洋环境数据和渔获数据的空间分辨率为0.25°×0.25°,时间分辨率为天。应用贝叶斯分析方法(Bayesian Analysis,BA)、分位数回归模型(Quantile Regression Model,QRM)和人工神经网络(Artificial Neural Networks,ANNS)这三种模型建立相应的黄鳍金枪鱼的渔情预报模型,贝叶斯预测模型得到的是地理单元预测渔场存在概率,而分位数回归和人工神经网络得到的是预测单位捕捞努力量渔获量(Catch Per Unit Fishing Effort,CPUE),将三种模型得到的预测结果分别和实际结果用泊松相关系数、秩(Wilcoxon)检验方法和有效性指数EF值这三个指标作为模型能力的评价标准比对这三种模型对黄鳍金枪鱼渔场的预测能力,并分别计算三种模型的栖息地综合指数,分析各个模型在黄鳍金枪鱼渔情预报能力方面的表现和预测的优劣势,得到各个模型影响最大的相关因子,并确立相对最优模型。结果表明:1)基于三种预测模型所得的黄鳍金枪鱼渔情预报结果各不相同,分位数回归的预测能力稍强于人工神经网络,特别是在一些高值区域表现要明显优于人工神经网络,而贝叶斯模型的预测能力最差。2)通过贝叶斯、分位数回归和人工神经网络模型所得黄鳍金枪鱼栖息地综合指数较高的海域分别为0o00′~4o00′N,150o00′E~165o00′E、2o00′N~9o00′N,153o00′E~165o00′E、1o00′N~7o00′N,152o30′E~165o30′E。三种模型的高值海域各不相同,但均包含2o00′N~4o00′N,153o00′E~165o00′E。3)把110个验证格网(总数据的14.3%)的海洋环境数据作为验证数据导入三种模型分别得到预测渔场存在概率(贝叶斯模型)和预测CPUE(分位数回归、人工神经网络模型),通过符号秩(Wilcoxon)检验,得到的预测结果与实际结果的相关性比较得出模型的预报效果从优到劣的顺序为:分位数回归模型、人工神经网络模型、贝叶斯模型;用EF值相关性分析得到预报效果从优到劣的顺序为:贝叶斯模型、分位数回归模型、人工神经网络模型。4)三种模型得到的最强相关因子也不相同,贝叶斯模型相关性最强的环境因子为海表面温度,分位数回归模型则为初级生产力、海表水温、海面高度及其交互项,而人工神经网络得出的是海表面高度和月份。5)不同模型应用方面的优缺点也各不相同。本文得出分位数回归模型其预测效果最佳,适用于关键环境因子的选取,缺点是如果环境因子间相关性太差,最后得到的分位数回归方程对环境因子的舍弃太多;人工神经网络模型适用于多环境因子情况下的建模,但是只能得到预测值,得不到关系方程,并不能得到环境因子的影响和权重;而基于贝叶斯方法构建的模型则更适用于中心渔场空间出现概率的预测,对一些高值区域的预报能力较差,预报结果相对平均。